一对一教学服务系统 · 学生端 / 老师端 / 管理后台
把一对一教学 从人工撮合变成 可持续运营的服务系统
从提交需求到持续上课，九个关键节点被统一纳入系统管理；AI 嵌入老师匹配、课程规划与课后反馈等高频环节，让原本依赖个人经验运行的服务流程，沉淀为平台可以持续复制的经营能力。
项目背景一对一教学，从来不只是
一对一教学，从来不只是
“学生找到老师，然后上课”
真正落到运营中，从需求沟通、老师筛选、试听预约，到购课、课程规划、正式上课和课后反馈，中间需要学生、老师和运营人员不断协作。
学生排课表.xlsx本地 · 手工维护
| 学生 | 老师 | 时间 | 状态 |
|---|---|---|---|
| 王同学 | 李老师 | 周六 18:00 | 待确认 |
| 张同学 | ？ | ？ | 还没匹配 |
| 刘同学 | 陈老师 | 周日 10:00 | 已试听 |
| 周同学 | 王老师 | ？ | 忘了问 |
| 孙同学 | ？ | 周三 19:00 | 待回复 |
张张妈妈12
老师什么时候能确认试听时间？上周说的那位老师还有空吗孩子这周末有空的
李李老师5
这个学生的基础情况发我一下上次那份需求在哪个群里来着
王同学 周六 18:00 试听
记得提醒李老师
记得提醒李老师
陈老师周三没空
要重新排
要重新排
赵同学预算
只到 200
只到 200
李老师少儿英语 · 周中晚间
需求、匹配、试听、进度 —— 全靠聊天记录、表格和人脑记着
当学生和老师数量增加后，原本依赖聊天、表格和人工记忆维持的流程，很快就会遇到问题。桃李愿景希望解决的核心问题是：如何把高度依赖人工协作的服务，变成能够被系统承接、持续推进并逐步规模化的业务体系。
从现状到问题当协作开始失去连续性，
当协作开始失去连续性，
问题就不再发生在某一个环节
它散落在需求、匹配、试听与跟进之间，最终形成四个反复出现的服务断点。
我们围绕每一名学生建立清晰的服务状态
把原本散落在聊天和个人记忆里的服务过程，变成一条可查看、可推进、可交接的业务链。
01 / 09 · 向下滚动推进学生AI老师
01提交需求学生未提交 → 已结构化
学生在结构化流程中补充学习基础、目标、预算与时间偏好，模糊描述被整理成可直接使用的信息。
第一个问题
学生自己，也很难一次说清需求
一对一教学的匹配难，并不只是因为老师多。更重要的是，学生最开始给出的信息，
通常不足以支撑准确匹配 —— 真正影响匹配的，还有学习基础、具体目标、预算、时间安排和老师偏好。
我们在学生端设计了一套结构化需求流程。
需需求收集进行中
结构化需求单可直接用于匹配
- 具体目标少儿英语口语
- 学习基础听力尚可 · 口语卡顿
- 上课频次每周 2 次
- 时间安排工作日 20:00 后
- 预算区间200–300 元 / 课时
- 老师偏好有少儿教学经验
对话完成后
自动生成
自动生成
老师越多，人工匹配越重
同样教授英语的老师，可能分别擅长少儿英语、成人英语、口语陪练或考试辅导；
教学风格、适合人群和时间安排也各不相同。
因此，我们把 AI 放进了老师筛选这个高频环节。
AI老师匹配读取需求单…
匹配条件 · 来自上一步的需求单少儿英语口语工作日 20:00 后200–300 元 / 课时有少儿教学经验
24位老师进入筛选
郭郭老师
考试雅思
周末孙孙老师
少儿绘本阅读
周末张张老师
青少小学
周末李李老师
少儿自然拼读
工作日晚胡胡老师
口语日常话题
工作日晚谢谢老师
学术论文
工作日晚刘刘老师
青少初中
工作日晚王王老师
少儿口语启蒙
工作日晚林林老师
口语旅行场景
周末罗罗老师
考试托福
周末陈陈老师
少儿情景表达
工作日晚唐唐老师
学术文献
周末赵赵老师
少儿语法启蒙
工作日白天周周老师
青少自然拼读
周末何何老师
口语影视跟读
工作日晚郑郑老师
少儿分级阅读
工作日晚梁梁老师
考试四六级
工作日晚马马老师
青少分级阅读
工作日晚许许老师
学术润色
工作日白天吴吴老师
少儿趣味口语
工作日晚高高老师
口语发音纠正
周末徐徐老师
少儿英文表达
周末宋宋老师
考试考研
周末朱朱老师
青少兴趣启蒙
周末AI 给出 3 位候选 · 附推荐理由
- 1李老师少儿教学 8 年，擅长互动表达与启蒙
- 2陈老师带过 40+ 名少儿学员，擅长从零开口
- 3吴老师工作日 20:00 后固定可排，节奏稳定
服务承接
找到老师之后，系统继续承接后面的服务
如果平台只解决「老师推荐」，整个服务仍然是断开的。所以老师确定之后，系统会继续承接试听、购课、课程规划、正式上课和课后反馈。
学生
完成试听预约与课包购买，
查看课程规划与学习进度。
老师
确认时间、查看学生需求、制定课程计划并提交课后反馈。
运营
通过后台查看每名学生当前所处的阶段，必要时人工介入。
过去需要不断翻聊天记录才能确认的信息，现在可以直接通过状态判断。 这让后台从单纯的管理工具，变成了一套真正的服务推进系统。
AI 提效
把 AI 放进最耗费重复劳动的几个节点
除了老师匹配，我们还把 AI 用在课程规划和课后反馈这些高频工作中。
课程规划 · 王同学 · 少儿英语读取需求
1读取结构化需求把学生填写的基础、目标、预算和时间偏好整理成可计算的条件。
2生成规划初稿包括学习阶段、重点方向和课程安排，成稿只要几秒。
3老师审核修改老师在初稿上调整节奏与重点，专业判断始终保留在人这一侧。
4同步到学生端确认后的规划直接出现在学生的课程页，课后反馈同理。
减少每次从零起草的时间，同时保留老师的专业判断。 课后反馈与作业也用同一套方式：AI 出初稿，老师审核修改后提交。
三个端，共同围绕一名学生推进
学生端、老师端和管理后台并不是三个独立系统，它们围绕的是同一条学生服务链、同一份学生记录。
老师端：接住学生，不用重新收集信息
- 1查看学生信息与结构化需求，不需要重新收集
- 2确认试听时间，处理待办任务
- 3在 AI 初稿上制定并调整课程计划
- 4完成教学，提交课后反馈与作业
学生不用重复说明情况，老师不需要重新收集信息，运营也不必再从不同渠道拼凑进度。
持续进化
老师画像
随着真实教学不断更新
一开始，系统判断老师是否合适，主要依据简历、授课方向、教学特点和时间安排。随着真实教学发生，平台还可以继续积累试听表现、购课情况、课程完成情况与长期反馈。
界面一览
交付界面32
数据沉淀
数据开始告诉平台：问题到底出在哪一步
当关键动作全部进入系统之后，平台可以看到完整的转化路径，运营从只看成交结果转向分析整个服务过程。
路径结构示意，不代表真实业务数值。
看得见问题出在哪一步之后 —— 这些数字开始变化
经营变化
依赖人工协调的服务，开始可复制
关键节点被统一纳入系统管理，AI 嵌入匹配、课程规划和教学反馈等高频环节后，项目上线即带来几项直接改善。
最直接的变化0%↓ 相当于把等待时间缩短一半
平均老师匹配时间缩短约
AI 先完成大范围筛选，运营把精力放在特殊情况和最终判断上。
- 0%试听转化率↑ 提升
- 0%运营人均可管理的
学生需求量↑ 提升 - 0%老师确认及
课后反馈及时率↑ 提升
一同向上生长
原本依赖人工协调的服务
开始形成可复制的
业务流程
现在，需求、匹配、试听、购课、教学和反馈被连接成同一条业务链，原本依赖个人经验运行的服务流程，开始沉淀为平台可以持续复制的经营能力。
- 运营人员记住老师、跟进聊天和表格→需求、匹配、试听、购课、教学和反馈被连接成业务链
- 依赖个人经验运行的服务流程→平台可以持续复制的经营能力
- 业务增长依赖同步增加人工协调成本→规模扩大时不再完全依赖增加人手